Please use this identifier to cite or link to this item:
http://elar.urfu.ru/handle/10995/140616
Title: | Внедрение моделей машинного обучения в сетевую инфраструктуру для обнаружения и классификации вредоносного программного обеспечения в среде Интернета вещей : магистерская диссертация |
Other Titles: | Deploying Machine Learning Models in Network Infrastructure for Detecting and Classifying Malicious Attacks on IoT Devices |
Authors: | Иванов, К. В. Ivanov, K. |
metadata.dc.contributor.advisor: | Агбозо, Э. Балунгу, Д. М. Agbozo, E. Balungu, D. M. |
Issue Date: | 2024 |
Publisher: | б. и. |
Citation: | Иванов К. В. Внедрение моделей машинного обучения в сетевую инфраструктуру для обнаружения и классификации вредоносного программного обеспечения в среде Интернета вещей : магистерская диссертация / К. В. Иванов ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа». — Екатеринбург, 2024. — 65 с. — Библиогр.: с. 62-65 (24 назв.). |
Abstract: | The paper describes a method for implementing a machine learning model into the enterprise network infrastructure to detect and classify harmful software in the Internet of Things environment. В работе описан способ внедрения модели машинного обучения в сетевую инфраструктуру предприятия для обнаружения и классификации вредоносного ПО в среде Интернета вещей. |
Keywords: | MASTER'S THESIS MACHINE LEARNING IDC IMPLEMENTATION DEPLOYMENT NETWORK INFRASTRUCTURE CLASSIFICATION МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ МАШИННОЕ ОБУЧЕНИЕ IDC ВНЕДРЕНИЕ РАЗВЕРТЫВАНИЕ СЕТЕВАЯ ИНФРАСТРУКТУРА КЛАССИФИКАЦИЯ |
URI: | http://elar.urfu.ru/handle/10995/140616 |
Access: | Предоставлено автором на условиях простой неисключительной лицензии |
License text: | http://elar.urfu.ru/handle/10995/31613 |
Appears in Collections: | Магистерские диссертации |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
m_th_k.ivanov_2024.pdf | 2,04 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.